设施规划选址——重心法
重心法
数据准备-格式
import numpy as np
from matplotlib import pyplot as plt
import pandas as pd# 初始化工厂位置
def init_factory():data = [281.84548388749425, 288.61186536195504]return data# 成本函数
def cost(x_d, y_d, data):cost = np.sum(data.loc[:, 'A'].to_numpy() * data.loc[:, 'W'].to_numpy() * data.loc[:, 'D'].to_numpy()) return cost# 读取数据:固定点坐标-二维
file = "data1.xlsx" # 每行为一个点坐标,列为x,y,aj, wj
data = pd.read_excel(file)#设置迭代次数
iteration = 10000#初始值设置
x_factory = init_factory()[0]
y_factory = init_factory()[1]#最优工厂位置
opt_x_factory = 0
opt_y_factory = 0
low_cost = 100#开始迭代
for k in range(iteration):print("第{0}次迭代".format(k +1))# 计算工厂到点的距离-并堆叠在data后一列distance= np.sum((data.loc[:, ['X', 'Y']].to_numpy() - np.array([x_factory, y_factory]))**2, axis=1)**0.5data.loc[:, 'D'] = np.reshape(distance, (-1, 1))# 计算初始成本T_0 = cost(x_factory, y_factory, data)print("工厂位置为:(x, y)=({0}, {1})".format(x_factory, y_factory))#验证数据print(data)# 存储前一个工厂位置before_x_factory = x_factorybefore_y_factory = y_factory#工厂位置更新WC_j = np.sum(data.loc[:, 'A'].to_numpy()*data.loc[:, 'W'].to_numpy()/data.loc[:, 'D'].to_numpy()) WCX_j = np.sum(data.loc[:, 'A'].to_numpy() * data.loc[:, 'W'].to_numpy() * data.loc[:, 'X'].to_numpy()/data.loc[:, 'D'].to_numpy())WCY_j = np.sum(data.loc[:, 'A'].to_numpy()*data.loc[:, 'W'].to_numpy()*data.loc[:, 'Y'].to_numpy()/data.loc[:, 'D'].to_numpy())x_factory = WCX_j / WC_jy_factory = WCY_j / WC_j# 计算成本函数# 计算工厂到点的距离-并堆叠在data后一列distance= np.sum((data.loc[:, ['X', 'Y']].to_numpy() - np.array([x_factory, y_factory]))**2, axis=1)**0.5data.loc[:, 'D'] = np.reshape(distance, (-1, 1))T_1 = cost(x_factory, y_factory, data)#判断是否达到成本函数最低if T_0 < T_1:# 最优工厂位置opt_x_factory = before_x_factoryopt_y_factory = before_y_factory#最低运输成本low_cost = T_0print("------------end-----------------")break# 最优工厂位置
print("最优工厂位置为:(x, y)=({0}, {1})".format(opt_x_factory, opt_y_factory))
print("最低成本:{0}".format(low_cost))
设施规划选址——重心法相关推荐
- 重心模型选址代码_如何规划选址体系,让选址像流水线更简单?
或许,作为刚起步的连锁企业,会面对一个困惑,我在哪里开下一家门店? 或许,对于目前10多家门店的连锁企业,他们也会遇到一个困惑,如何让选址更高效,迅速进入市场? 也就是说,如何让选址更科学,凭借打分进 ...
- 基于精益生产的车间设施规划改善设计(zt)
0.引言 精益生产是以消除不增加价值的等待.排队和其他延迟活动为目标,按照确定的生产节拍进行生产并且每次仅生产单件产品的一种先进的生产方式.与以往的靠计划系统发出指令的推动式生产方式不同,精益生产系统 ...
- 设施网络选址的基本方法,网络设施选址的方法
简述物流网络规划设计的几种方法? 物流网络规划是对产品从原材料到最终消费者整个流通渠道所作的规划.包括物流设施的类型.数量与位置,设施所服务的顾客群体与产品类别,以及产品在设施之间的运输方式. 具体分 ...
- 顾客流动问题matlab街区,第三章设施选址及评价.ppt
您所在位置:网站首页 > 海量文档  > 建筑/施工 > 工程监理 第三章设施选址及评价.ppt93页 本文档一共被下 ...
- 关于国土空间交通专项规划体系框架与编制要点的思考
作者:曹国华 王树盛 张小辉 交通既是国土空间的组成部分,也是城市功能的基本构成.在国家建立国土空间规划体系并监督实施的背景下,交通规划作为重要的专项规划之一,对于塑造美丽国土空间.建设美丽宜居城市. ...
- 吕梁市5G基站专项规划:全市建设3万座5G基站
吕梁市公用移动通信5G基站站址专项规划(2020-2024年) 5G作为新一代信息通信技术,是实现万物互联的关键信息基础设施,经济社会数字化转型的重要驱动力量.抓住国家"新基建"的 ...
- 【布局优化】基于改进粒子群算法实现充电桩选址优化问题附matlab代码
1 简介 当前世界环境污染和能源危机问题凸显,电动汽车以零排放和低耗能的优势得到各国的大力关注和支持.以电动汽车为代表新能源汽车产业,成为国家七大战略性新兴产业之一.电动汽车具有良好的发展前景,市场规 ...
- 5G边缘计算与电力设施融合部署模式探析
摘要: 5G的频率高.波长短,单个5G基站的覆盖范围小,而5G边缘计算需靠近最终用户部署,意味5G边缘计算节点的建设数量将快速增长,建设成本高.运维管理难度大,电力设施要求靠近负荷中心的建设特点 ...
- 重度雾霾亲历者关于数据中心选址的几点建议
临近2016年之计,雾霾席卷中国中北部地区并延伸污染辐射至中国大部分区域.笔者身处"霾都",呼吸感到困难,口罩是必备品,身体各种不适.作为数据中心的编辑,笔者敏感联想到对气候条件要 ...
- LRP选址配送—物流选址问题杂谈-遗传算法求解
文章目录 前言 一.选址问题的发展脉络 二.LRP问题是什么? 1.本质 2.重难点 3.思路 总结 前言 物流设施选址问题从诞生之日起就一直都是企业乃至学术界研究的热点问题.虽然企业实际选址时考虑的 ...
最新文章
- python的django框架与springboot_Django框架简介
- IL语言之.ctor
- chrome插件infinity_5款超好用Chrome插件,快试试看!
- 处理:/var/redis/run/redis_6379.pid exists, process is already running or crashed
- 有用的Copy-On-write,写时复制
- 自己常用的C/C++小技巧
- 推行CMMI能在哪些方面为软件企业带来好处?
- AsteriskNow 实用总结
- 你应该知道的Linux历史
- 简述计算机总线概念内涵,总线的概念及其它相关知识细解
- VMware临时文件清理
- 欧氏空间距离和内积_欧氏空间的内积与线性变换
- 2-人的发声原理和听觉原理
- c# ListView增加条目
- Java初级·基础语法
- 赛尔号桌面版_4399赛尔号官方版下载-4399赛尔号经典版电脑版 - 极光下载站
- uni-app踩坑记录
- java实现远程文件下载
- FAT32 文件系统在磁盘上的结构
- 粘塑性自洽多晶体塑性模型VPSC(二)